6.5 млн таможенных деклараций в год заполняются вручную. Я сделал MVP на AI, который решает эту проблему.
Вступление: почему декларанты делают ЭТО
Представьте: вы приходите на работу, и вас ждет стопка из 200 страниц сканов — инвойсы, контракты, паспорта сделок. Ваша задача: за X часов вручную или, используя бесплатные/платные онлайн сервисы превращения pdf в текст, извлечь оттуда все данные, заполнить таможенную декларацию, пересчитать суммы на трех валютах, проверить коды ТН ВЭД и не ошибиться. Потому что одна ошибка = штраф, простой груза и разговор с начальством.
Это не кошмар, это обычный день таможенного декларанта в странах ЕАЭС.
В октябре 2025 года я запустил MVP проекта GTD Automation — умного помощника для таможенных декларантов, который превращает 8 часов рутины в 15 минут проверки. И знаете что? Я сам не поверил результатам, пока не протестировал на реальных документах.
---
Проблема: когда эксперт превращается в клерка
Каждый год в России и странах ЕАЭС обрабатывается 6.5 миллионов грузовых таможенных деклараций (ГТД). Каждую из них заполняют вручную. Это как если бы каждый бухгалтер в стране каждый день вводил данные из 20 счетов-фактур в Excel вручную. И так каждый день. И так годами.
Что происходит на практике:
- Декларант получает пачку документов: инвойс на 45 страниц, контракт, паспорт сделки, спецификации
- Он должен найти и ввести: ИНН всех участников, суммы в трех валютах, коды ТН ВЭД для каждого товара, реквизиты банков, реквизиты контрагентов
- Пересчитать курсы валют, проверить соответствие документов друг другу
- Сформировать XML для подачи в ФТС
- Не ошибиться, потому что штраф может быть больше стоимости услуги
Результат: высококвалифицированный специалист тратит 80% времени на монотонную работу, которую могла бы делать машина. Это как если бы хирург мыл полы вместо операций.
---
Рынок: почему это больно для бизнеса
В России и Казахстане работает около 5,000 таможенных брокеров. Это не огромные корпорации — большинство это средний бизнес, который держится на 5-20 специалистах.
Боли брокеров:
- Нехватка кадров: молодые специалисты не идут в отрасль, опытные уходят на пенсию или в более денежные сферы
- Выгорание: даже опытный декларант через год такой рутины начинает ненавидеть свою работу
- Ошибки стоят дорого: одна опечатка в ИНН = отказ ФТС, простой груза, недовольный клиент
- Низкая маржинальность: брокер не может брать больше за услугу, потому что рынок конкурентный, а время обработки ограничено человеческими ресурсами
TAM рынка автоматизации таможенного документооборота в ЕАЭС оценивается примерно в $1.5 млрд. Но пока там почти пусто — есть устаревшие системы типа 1С, но полноценных AI-решений нет.
---
Решение: AI-помощник, а не замена
Я сделал систему, которая не заменяет декларанта, а освобождает его от рутины. Ключевая разница: эксперт всегда в контуре, он проверяет и утверждает, но не тратит время на механическую работу.
Что умеет GTD Automation:
1. Автоматическое распознавание документов: система читает сканы любой сложности — таблицы, печати, частично рукописный текст, даже плохо отсканированные страницы
2. Извлечение структурированных данных: ИИ находит и извлекает нужные поля: реквизиты компаний, товарные позиции, суммы, коды ТН ВЭД, валютные курсы
3. Автозаполнение черновика ГТД: за 15 минут система формирует черновик декларации
4. Эксперт проверяет и утверждает: декларант тратит время на проверку и правки, а не на ручной ввод
5. Экспорт в XML/Excel: готовые файлы для подачи в ФТС
Результат: 8 часов работы → 15 минут проверки. Это 95% экономии времени. Освобожденное время эксперт может потратить на больше клиентов или на более сложные кейсы.
---
Технические детали для технарей
Я протестировал несколько подходов к распознаванию и извлечению данных из таможенных документов. Вот что получилось.
OCR и обработка документов:
Проблема таможенных документов в том, что они часто плохо отсканированы, содержат таблицы, печати, многоязычный текст (русский, английский, китайский). Стандартные OCR часто пасуют.
Я сравнил несколько решений:
- Google Document AI: хорошо работает с простыми документами, но на сложных таблицах и многостраничных инвойсах теряет контекст
- Docling (IBM): неплохое структурирование, но слабоват с китайским текстом и печатями
- DeepSeek OCR: хорошая точность на английском/китайском, но русский язык обрабатывает хуже
- Docstrange: и другие локальные модели: дешевле, но требуют много тюнинга для специфики таможенных документов
Мое решение: я использую комбинацию современной мультиязычной OCR-модели с последующей обработкой через LLM. Это позволяет:
- Точно распознавать текст даже на плохих сканах
- Понимать структуру документа (таблицы, секции, связи между данными)
- Извлекать данные с учетом контекста (например, понимать, что сумма относится к конкретному товару)
Извлечение данных:
После OCR документ попадает в LLM, которая извлекает структурированные данные. Здесь критична точность — неправильно извлеченный ИНН или сумма = ошибка в декларации.
Я провел сравнение с различными моделями и API-сервисами и добился 98%+ точности на критичных полях (ИНН, суммы, реквизиты). Это не теоретическая цифра — это результаты на реальных документах от таможенных брокеров. Очевидно, что результат зависит от качества материала на входе, но надо смотреть на факты.
Инфраструктура:
Система использует GPU-ускорение для быстрой обработки. Один многостраничный инвойс (45+ страниц) обрабатывается за несколько минут, а не за часы.
---
Результаты MVP (октябрь 2025)
Что протестировано:
✅ Обработка реальных многостраничных документов (до 45+ страниц) ✅ Разные типы документов: инвойсы, контракты, паспорта сделок
✅ Разные языки: русский, английский, китайский
✅ Сложные случаи: плохие сканы, таблицы, печати
Метрики:
- Точность извлечения: 98%+ на критичных полях (ИНН, суммы, реквизиты)
- Экономия времени: 8 часов → 15 минут (95% экономии)
- Обработка документов: от 2 до 5 минут на многостраничный инвойс
Что говорят брокеры:
Положительный отклик от первых пользователей. Ключевой момент: они оценили не только скорость, но и то, что система не пытается их заменить, а помогает работать эффективнее.
Текущие ограничения:
- Протестировано на ограниченной выборке документов (нужно расширять)
- Edge cases требуют доработки (сильно поврежденные сканы, нестандартные форматы)
- Нет интеграции с 1С и API ФТС для прямой подачи деклараций (планируется)
---
Бизнес-кейс: почему это работает
Для таможенного брокера:
Один декларант обрабатывает примерно 20-30 деклараций в месяц (если каждая занимает 8 часов). С системой он может проверять 80-100 деклараций за то же время.
Это означает:
- Больше клиентов: брокер может обслуживать в 3-4 раза больше заказов
- Меньше ошибок: система не устает и не отвлекается, как человек
- Меньше выгорания: эксперт занимается экспертизой, а не рутиной
- Конкурентное преимущество: быстрее обрабатываешь = больше клиентов
ROI для брокера:
Если декларант стоит компании 200,000₽ в месяц, и он обрабатывает 25 деклараций, то стоимость одной декларации = 8,000₽.
С системой тот же специалист может обрабатывать 100 деклараций. Даже если система стоит 50,000₽ в месяц, стоимость декларации падает до 2,500₽. Это 3.2x улучшение эффективности.
---
Что дальше: масштабирование и поиск команды
Сейчас я на распутье. MVP работает, метрики хорошие, отклик положительный. Но дальше нужна команда.
Планы на ближайший год:
- Расширить выборку тестовых документов, доработать edge cases
- Интеграция с 1С (многие брокеры используют именно эту систему)
- Интеграция с API ФТС для прямой подачи деклараций
- Выход на 50-100 пилотных клиентов
Что мне нужно:
1. GTM стратегия: как правильно выйти на рынок брокеров (холодные контакты, работа с отраслевыми сообществами)
2. Продажи B2B: опыт работы с enterprise клиентами, понимание циклов продаж
3. Юридический аудит: соответствие требованиям ФТС и законодательству ЕАЭС
4. Funding: $150-300k seed для формирования команды и масштабирования
Кого я ищу:
- Ментора или команду с опытом B2B SaaS и таможенной отрасли
- Инвесторов, которые понимают нишевые B2B рынки
- Партнеров из логистических компаний для пилотных проектов
---
Видение на 3 года
Год 1 (2025-2026):
- 50-100 клиентов - Пилоты с крупными брокерами - Интеграция с 1С и API ФТС - Формирование команды (3-5 человек)
Год 2 (2026-2027):
- 200+ клиентов - Прямая подача в ФТС через API - $500k ARR - Экспансия в другие страны ЕАЭС
Год 3 (2027-2028):
- Лидер рынка ЕАЭС (500+ клиентов) - $1.5-3M ARR - Начало экспансии в другие страны (СНГ, возможно Европа)
Миссия: сделать международную торговлю проще и доступнее через AI-автоматизацию таможенного оформления.
---
Контакты для связи: Telegram
---
P.S. Верю, что хорошие идеи должны находить свою команду. Если вы чувствуете резонанс с этим проектом — напишите мне. Буду рад знакомству!
---